Lịch sử trí tuệ nhân tạo AI – Bừng tỉnh sau giấc ngủ đông kéo dài vài thập kỷ.

Lịch sử trí tuệ nhân tạo – Phần hai

Tóm tắt nội dung bài viết

Sau “mùa đông AI” đầu tiên, AI đã hồi sinh và bứt phá ngoạn mục. Mời các bạn xem phần hai trong loạt bài về lịch sử trí tuệ nhân tạo của Góc Nhỏ Sài Gòn. Nội dung tiếp nối, xoay quanh bốn giai đoạn chính.

• Thứ nhất là sự trỗi dậy của hệ chuyên gia (expert systems) trong thập niên 1980. Edward Feigenbaum cùng các cộng sự tại Stanford tiên phong với DENDRAL và MYCIN. Nhưng những hạn chế của hệ chuyên gia sớm đẩy AI vào “mùa đông” lần thứ hai.
• Thứ hai là sự trỗi dậy âm thầm của máy học (machine learning) trong thập niên 1990 và 2000. Geoffrey Hinton, Yann LeCun và Yoshua Bengio đặt nền móng cho mạng nơ-ron nhân tạo. IBM Deep Blue đánh bại kỳ thủ Garry Kasparov năm 1997, mở đường cho niềm tin mới vào AI.
• Thứ ba là cuộc bùng nổ học sâu (deep learning) từ năm 2012. AlexNet, kiến trúc Transformer và các mô hình ngôn ngữ lớn như GPT đã đưa AI đến với người dùng.
• Thứ tư là những cơ hội và thách thức của AI trong tương lai, từ đạo đức, việc làm đến quy định pháp lý.

Bài viết còn bổ sung nhiều dấu mốc quan trọng như XCON tại DEC, chiến thắng của AlphaGo trước Lee Sedol, và sự ra đời của ChatGPT. Đây là phần tiếp theo và cũng là phần kết của loạt bài lịch sử trí tuệ nhân tạo. Nếu bạn đã đọc Phần một về giai đoạn khởi đầu, phần hai này sẽ giúp bạn hiểu trọn vẹn hành trình AI, từ phòng thí nghiệm học thuật đến công nghệ làm thay đổi cả thế giới.

1. Sự trỗi dậy của hệ chuyên gia và “Mùa đông AI” lần thứ hai (1980s – 1990s): Những ứng dụng thực tế và sự thất vọng tiếp theo

Thập niên 1980 chứng kiến AI hồi sinh nhờ hệ chuyên gia (expert systems) — chương trình mô phỏng tri thức chuyên gia trong một lĩnh vực hẹp. Edward Feigenbaum, nhà khoa học máy tính người Mỹ, được xem là người tiên phong của hướng đi này.

Năm 1965, Feigenbaum cùng nhà di truyền học Joshua Lederberg khởi xướng dự án DENDRAL tại Đại học Stanford, được coi là hệ chuyên gia đầu tiên trên thế giới, chuyên phân tích cấu trúc hóa học từ dữ liệu phổ khối. Thành công của DENDRAL mở đường cho MYCIN, hệ chuyên gia y khoa ra đời giữa thập niên 1970, có thể chẩn đoán nhiễm trùng máu và đề xuất kháng sinh với độ chính xác ngang bác sĩ chuyên khoa.

Một thành công thương mại nổi bật khác là XCON (còn gọi là R1), được Digital Equipment Corporation (DEC) triển khai từ năm 1980 để tự động cấu hình máy tính dòng VAX, giúp DEC tiết kiệm hàng chục triệu đô la mỗi năm.

Tuy nhiên, hệ chuyên gia sớm bộc lộ hạn chế cố hữu: khó mở rộng sang lĩnh vực mới và tốn kém để bảo trì. Năm 1987, thị trường máy tính chuyên dụng Lisp Machine sụp đổ, giáng đòn mạnh vào ngành AI thương mại và khiến ngân sách nghiên cứu bị cắt giảm đáng kể. Đó chính là “Mùa đông AI” thứ hai, kéo dài từ cuối thập niên 1980 đến đầu thập niên 1990.

Cũng trong giai đoạn này, một hướng tiếp cận mới thu hút sự chú ý: máy học (machine learning). Thay vì lập trình cứng quy tắc, máy học tập trung phát triển thuật toán cho phép máy tính tự học từ dữ liệu — đặt nền móng cho làn sóng AI tiếp theo.

2. Sự trỗi dậy của máy học – machine learning (1990s – 2010s): Dữ liệu và thuật toán tiên tiến

Những năm 1990 và 2000 chứng kiến sự phát triển mạnh mẽ của máy học. Geoffrey Hinton, Yann LeCun và Yoshua Bengio là những nhà nghiên cứu có đóng góp nền tảng trong giai đoạn này. Họ đặt nền móng cho sự phát triển của mạng nơ-ron nhân tạo và học sâu. Chiến thắng của Deep Blue trước Garry Kasparov năm 1997 đã đánh dấu bước tiến của AI. Sự phổ biến của các ứng dụng máy học trong thực tế cũng góp phần vào bước tiến quan trọng này.

Trận đấu giữa Deep Blue và Garry Kasparov diễn ra vào ngày 11 tháng 5 năm 1997. Đây là lần đầu tiên một máy tính đánh bại nhà vô địch cờ vua thế giới. Chiến thắng này được xem là biểu tượng cho sức mạnh tính toán của AI. Tuy vậy, Deep Blue chủ yếu dựa vào khả năng “vét cạn” nước đi hơn là học hỏi thực sự.

Bộ ba Hinton, LeCun và Bengio sau này được mệnh danh là “Godfathers of AI” (những cha đẻ của AI hiện đại). Năm 2018, cả ba cùng nhận giải thưởng Turing. Giải thưởng này được ví như “Nobel của ngành khoa học máy tính”. Thuật toán lan truyền ngược (backpropagation) mà họ hoàn thiện vào năm 1986 trở thành nền tảng huấn luyện mạng nơ-ron cho đến ngày nay.

Năm 2011, siêu máy tính Watson của IBM tiếp tục gây tiếng vang. Nó đánh bại các nhà vô địch trong chương trình đố vui Jeopardy!. Cùng lúc đó, giáo sư Fei-Fei Li tại Stanford xây dựng bộ dữ liệu ImageNet vào năm 2009. Bộ dữ liệu khổng lồ với hàng triệu ảnh gắn nhãn này sau đó trở thành bệ phóng quan trọng cho cuộc cách mạng học sâu.

3. Sự bùng nổ của AI hiện đại (2010s – nay): Học sâu và cuộc cách mạng toàn cầu

Những năm 2010 đánh dấu một bước ngoặt lớn. Học sâu (deep learning) trỗi dậy mạnh mẽ trong giai đoạn này. Ba yếu tố cùng hội tụ để tạo nên bước ngoặt đó. Đó là sức mạnh tính toán của GPU, được thúc đẩy bởi những công ty như NVIDIA. Đó còn là lượng dữ liệu khổng lồ trên internet. Và đó cũng là những đột phá trong thuật toán, tiêu biểu là AlexNet của Alex Krizhevsky, Ilya Sutskever và Geoffrey Hinton. Sự kết hợp này đã tạo ra những kết quả ấn tượng trong nhiều lĩnh vực. Các mô hình ngôn ngữ lớn (LLMs) như GPT của OpenAI cũng góp phần quan trọng. Ilya Sutskever và Sam Altman là những người có đóng góp then chốt cho dự án này. Nhờ đó, khả năng của AI được đưa lên một tầm cao mới.

AlexNet ra mắt năm 2012, giành chiến thắng áp đảo tại cuộc thi ImageNet. Mô hình này giảm tỷ lệ lỗi nhận diện ảnh từ khoảng 26% xuống còn 15,3%. Kết quả gây chấn động đã thổi bùng làn sóng đầu tư vào học sâu trên toàn cầu.

Năm 2016, chương trình AlphaGo của DeepMind đánh bại kỳ thủ cờ vây Lee Sedol với tỷ số 4-1. Đây là chiến thắng gây tiếng vang không kém Deep Blue hai thập kỷ trước đó. Nước đi thứ 37 của AlphaGo trong ván thứ hai từng khiến giới chuyên môn kinh ngạc. Nhiều người mô tả nước đi đó là “không giống nước đi của con người”.

Năm 2017, các nhà nghiên cứu tại Google công bố bài báo “Attention Is All You Need”. Bài báo giới thiệu kiến trúc Transformer, nền tảng của hầu hết các mô hình ngôn ngữ hiện nay. Dựa trên Transformer, OpenAI lần lượt cho ra đời GPT-1 vào năm 2018, GPT-2 vào năm 2019 và GPT-3 vào năm 2020. Đến ngày 30 tháng 11 năm 2022, ChatGPT chính thức ra mắt công chúng. Chỉ trong vài tháng, ChatGPT đã đưa AI tạo sinh trở thành từ khóa toàn cầu.

Ngày nay, AI đang thâm nhập vào mọi khía cạnh của cuộc sống. Từ thị giác máy tính, xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói đến game AI. AI còn hiện diện sâu rộng trong y tế và tài chính.

4. Tương lai của AI: Những cơ hội và thách thức

AI vẫn đang trong giai đoạn phát triển nhanh chóng. Tiềm năng của nó là vô cùng lớn. Tuy nhiên, sự bùng nổ của AI cũng đặt ra nhiều câu hỏi. Nhiều thách thức cần được giải quyết. Đó là vấn đề đạo đức và tác động đến thị trường lao động. Đó còn là an toàn, bảo mật, tính minh bạch và khả năng giải thích. Cuối cùng là bài toán quản lý và quy định.

Liên minh châu Âu là khu vực tiên phong trong việc xây dựng khung pháp lý cho AI. Đạo luật AI (EU AI Act) được thông qua nhằm phân loại rủi ro và kiểm soát các ứng dụng AI. Nhiều quốc gia khác, trong đó có Mỹ và các nước châu Á, cũng đang xây dựng những quy định tương tự.

Song song đó, giới nghiên cứu vẫn tranh luận về khả năng đạt được trí tuệ nhân tạo tổng quát (AGI). Đây là loại AI có thể tư duy linh hoạt như con người ở mọi lĩnh vực. Một số chuyên gia tin AGI sẽ xuất hiện trong vài năm tới. Số khác cho rằng chúng ta vẫn còn cách rất xa mục tiêu đó.

Lời kết

Từ những nỗ lực ban đầu với hệ chuyên gia, lĩnh vực AI đã trải qua một giai đoạn phát triển mạnh mẽ. Động lực chính đến từ sự trỗi dậy của máy học và đặc biệt là học sâu. Những tiến bộ vượt bậc trong những năm gần đây đã đưa AI vượt ra khỏi phạm vi nghiên cứu hàn lâm. Giờ đây, AI đã trở thành một công nghệ mang tính cách mạng. Nó có tiềm năng thay đổi sâu sắc mọi mặt của đời sống.

Tuy nhiên, để khai thác tối đa tiềm năng của AI một cách an toàn và có trách nhiệm, chúng ta cần tiếp tục nghiên cứu. Chúng ta cũng cần đối mặt với những thách thức đạo đức và xã hội. Mục tiêu cuối cùng là định hình một tương lai nơi AI phục vụ lợi ích của toàn nhân loại.

Nhìn lại toàn bộ hành trình qua hai phần bài viết, có thể thấy lịch sử AI là một chuỗi thăng trầm đan xen. Từ giấc mơ cổ đại, qua hai mùa đông lạnh giá, đến cuộc cách mạng học sâu hôm nay, AI đã chứng minh sức bền đáng kinh ngạc của một lĩnh vực khoa học. Góc Nhỏ Sài Gòn hy vọng loạt bài này đã mang đến cho bạn đọc một bức tranh trọn vẹn và dễ hiểu về hành trình ấy.

Tài liệu tham khảo

1. IEEE Spectrum – “The Turbulent Past and Uncertain Future of Artificial Intelligence”. Phân tích các chu kỳ hưng thịnh và suy thoái của AI dưới góc nhìn kỹ thuật chuyên sâu. https://spectrum.ieee.org/history-of-ai
2. Stanford Emerging Technology Review – “The Future of Artificial Intelligence”. Góc nhìn của Đại học Stanford về cơ hội và rủi ro của AI trong tương lai. https://setr.stanford.edu/news/future-artificial-intelligence
3. Xem phần một của bộ bài này. Lịch sử trí tuệ nhân tạo AI – Từ giấc mơ cổ đại đến Mùa đông AI lần thứ nhất.

Góc Nhỏ Sài Gòn tổng hơp và biên tập.